以下圖片來自西安交通大學侯迪老師的ppt，僅供學習和復習使用，請勿轉載或他用

云數據管理的理論基礎（重點）

1. CAP定理

C：consistency 一致性 即分布式系統中的所有數據備份在同一時刻是相同的

A：availablility 可用性 即使一些節點故障，整體還是能夠響應客戶端的讀寫請求（總是能有結果）

P：partition tolerance 分區容忍性

一個分布式系統里面，節點組成的網絡本來應該是連通的。然而可能因為一些故障，使得有些節點之間不連通了，整個網絡就分成了幾塊區域。數據就散布在了這些不連通的區域中。這就叫分區。

當你一個數據項只在一個節點中保存，那么分區出現后，和這個節點不連通的部分就訪問不到這個數據了。這時分區就是無法容忍的。

提高分區容忍性的辦法就是一個數據項復制到多個節點上，那么出現分區之后，這一數據項就可能分布到各個區里。容忍性就提高了。

然而，要把數據復制到多個節點，就會帶來一致性的問題，就是多個節點上面的數據可能是不一致的。要保證一致，每次寫操作就都要等待全部節點寫成功，而這等待又會帶來可用性的問題。

總的來說就是，數據存在的節點越多，分區容忍性越高，但要復制更新的數據就越多，一致性就越難保證。為了保證一致性，更新所有節點數據所需要的時間就越長，可用性就會降低。

作者：鄔江 鏈接：CAP理論中的P到底是個什么意思？ - 知乎 來源：知乎 著作權歸作者所有。商業轉載請聯系作者獲得授權，非商業轉載請注明出處。

CAP中只能滿足任意2個

2. 一致性模型

• 強一致性

強一致性(即時一致性)假如A先寫入一個值到存儲系統，存儲系統保證后續的讀操作都返回最新值。 例如：文件系統，RDBMS都是強一致性的。

• 弱一致性

假如A先寫入了一個值到存儲系統，存儲系統不能保證后續讀取操作能夠讀到最新值。 這種情況下有一個“不一致性窗口”，它特指從A寫入值，到后續操作A,B,C讀取到最新值這一段時間。 例如：某些cache系統，網絡游戲其它玩家的數據和你沒什么關系，或是百度搜索引擎。

• 最終一致性

最終一致性是弱一致性的一種特例 假如A首先write了一個值到存儲系統，存儲系統保證，如果在A,B,C后續讀取之前沒有其他寫操作更新同樣的值的話，最終所有的讀取操作都會讀取到A寫入的最新的值。 這種情況下，如果沒有失敗發生的話，“不一致性窗口”的大小依賴以下的幾個因素：

• 交互延遲

• 系統的負載

• 復制架構中replica的個數(可以理解為master/slave模式中，slave的個數)

例如：DNS，電子郵件。

服務器一致性（重點）

要保證強一致性，則必須W+R>N

同時要保證寫操作的高可用（寫的節點少即寫的時間少則可用性高）：W=1,R=N

同時要保證讀的高可用：R=1,W=N

平衡：W=R=N/2+1，這里除是整除

詳細分析見：

https://segmentfault.com/a/1190000002802797

3.BASE性質

犧牲高一致性

4. 一致性哈希

5. PAXOS算法（略）

第10章習題

總結

以上是生活随笔為你收集整理的第10章 大数据与云数据库管理的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。